智能公共照明作为可持续城市的大规模数据基础设施:一种基于物联网的城市能源管理方法

《Sustainability》:Smart Public Lighting as a Massive Data Infrastructure for Sustainable Cities: An IoT-Based Approach to Urban Energy Management

【字体: 大 中 小 】 时间:2026年07月18日 来源:Sustainability 4.1

编辑推荐:

  智能公共照明系统正日益从节能技术演变为分布式城市数据基础设施。本研究考察了在厄瓜多尔基多南部一所大学校园内实施的基于物联网(IoT)的智能公共照明试点项目,旨在量化其信息容量、存储需求及可扩展性潜力。分析基于11个智能灯具和49天的实际运行数据。每10分钟记录

  
智能公共照明系统正日益从节能技术演变为分布式城市数据基础设施。本研究考察了在厄瓜多尔基多南部一所大学校园内实施的基于物联网(IoT)的智能公共照明试点项目,旨在量化其信息容量、存储需求及可扩展性潜力。分析基于11个智能灯具和49天的实际运行数据。每10分钟记录一次测量值,每个记录考虑10个变量,包括实测消耗、参考消耗、有功功率、累积能量、运行小时数、运行状态、事件、故障或报警、节能以及避免的CO2排放。结果显示,每个灯具每天可生成1440个数据值。在相同的采集配置下,一个包含10,000个灯具的网络每年将生成约52.56亿个数据值,而包含100,000个灯具的网络每年将生成约525.6亿个数据值,所需存储空间估计为1051.2 GB/年。鉴于试点的有限规模和观测周期,这些数值应被理解为可扩展性场景,而非确定性的全市范围预测。作为方法论贡献,本研究提出了智能照明信息容量指数(SLICI)来估计智能照明网络生成的日数据强度。研究结果表明,智能公共照明的扩展不仅需要高效的灯具,还需要强大的数字架构,用于数据存储、处理、互操作性、网络安全和分析。本研究将智能公共照明定位为城市能源管理、预测性维护和数据驱动可持续规划的战略平台,同时强调需要在更长时期内和不同城市类型中进行未来验证。
智能公共照明作为城市数据基础设施的研究背景、方法、结果与结论解读

**研究背景与问题**

城市面临在不降低服务质量、安全性和连续性的前提下减少能源消耗的挑战。公共照明作为关键基础设施,因其夜间持续运行和对市政电力支出的直接影响而备受关注。然而,向智能照明系统的过渡需要更广泛的理解:评估不应局限于安装容量、总用电量或灯具的技术替换,还应考虑其作为能源基础设施以及日益增长的城市数据管理来源的作用。现有研究主要聚焦于技术替换、自适应控制或电力节约,忽视了智能照明网络作为大规模信息生成系统的维度。随着智能照明扩展,问题性质从评估孤立节能转向管理大规模、高频城市数据。因此,开展这项研究是为了量化智能照明网络的信息生成能力、存储需求及可扩展性,从而将智能照明定位为既支持能源效率又支持数字基础设施的可持续城市平台。该论文发表在《Sustainability》。

**主要关键技术方法**

研究人员采用基于MATLAB R2025b的计算模型,对来自厄瓜多尔基多南部大学校园的11个智能灯具(Schréder IZYLUM灯具,通过Schréder EXEDRA平台进行远程监控)和49天实际运行数据进行处理。关键方法包括:每10分钟采样频率,每个记录包含10个变量(实测消耗、参考消耗、有功功率、累积能量、运行小时数、运行状态、事件、故障、节能、避免CO2排放);提出智能照明信息容量指数(SLICI)量化日数据强度;提出数据效用指数(DUI)衡量支持警报、调整或验证的记录比例;引入缩放因子φ对线性外推进行保守调整,以反映更大规模网络中的通信损失、维护复杂性和城市异质性。

**研究结果**

**3.1 试点系统能源性能**:基于11个灯具和49天数据,实测消耗始终低于参考消耗。系统累计节能115.90 kWh,相对于参考消耗减少18.35%。日节能范围在1.82至3.41 kWh之间,表明节能效果在整个观测期内连续存在。该结果作为试点初步运行证据,不应视为年化节能率。

**3.2 运行与信息指标统计分析**:通过描述性统计和配对t检验(Lilliefors检验正态性,p=0.38596,配对t检验p=4.155×10-21,Cohen's dz=2.3166),验证了实测消耗与参考消耗之间存在统计学显著差异。系统平均每日生成1016.82个遥测记录和10168.16个数据值,估计存储需求0.203 MB/天。100%的日记录显示正节能。

**3.3 系统信息强度**:使用SLICI量化,11个灯具网络在10分钟采样和10个变量配置下,每日生成15,840个数据值,每年约578万个数据值。扩展到1000个灯具时,每年产生5.26亿个数据值(约10.5 GB/年);10,000个灯具产生52.56亿个数据值(约105.1 GB/年);100,000个灯具产生525.6亿个数据值(约1051 GB/年)。进一步分析显示,将变量数从10增加到20会使年数据量翻倍;将采样间隔从10分钟缩短到1分钟会使年数据量增加10倍(100,000个灯具时约10 TB/年)。信息压力立方体表明,只有当灯具数超过50,000、变量数超过15且采样间隔小于5分钟时,存储需求才达到TB/年量级,需要分布式存储方案。

**3.4 可扩展性预测:线性与真实场景**:线性预测100,000个灯具年节能7850 MWh,避免CO2排放5480 tCO2/年。应用缩放因子φ=0.85后,真实预测调整为6672.5 MWh/年和4658 tCO2/年,表明约15%的修正。累计数据量分析显示,50,000个灯具网络运行10年后积累约2630亿个数据值,20年后达5260亿个,强调需要从规划阶段考虑数据生命周期管理。

**3.5 定量发现综合**:四个主要发现:试点节能115.90 kWh(18.35%);100,000个灯具年生成525.6亿个数据值(约1 TB/年);试点阶段DUI为2.23%(1728条有用记录,基于异常消耗警报、照明激活模式变化和节能验证三个标准);真实场景下节能预测下调15%。这些结果强调智能照明扩展的主要挑战不仅是能源方面,更是信息基础设施方面。

**讨论与结论**

讨论指出,试点结果提供了两种互补证据:可测量的节能和结构化连续数据流。研究将分析从节能扩展到信息维度,SLICI和DUI指标补充了传统能源效率评估。DUI(2.23%)作为初始基线,随着自动化分析引入有望提高。局限性包括:49天监测期未覆盖年际变化;11个灯具仅代表校园环境,无法代表城市异质性;未比较不同城市类型;未量化数字基础设施的能耗。未来研究应扩展至更大、更多样化环境,纳入通信可靠性指标,并评估数字基础设施的净能源平衡。建议采用分阶段部署策略:第一阶段验证遥测结构;第二阶段扩展到受控城市区域;第三阶段包含多种城市类型;第四阶段整合为城市规模数据基础设施。

结论部分翻译:本研究从信息容量角度分析了智能公共照明,基于11个智能灯具和49天实际运行遥测数据。在10分钟采样间隔和10个变量/记录配置下,每个灯具每天生成1440个数据值。试点规模下,每天约15,840个数据点,每年约578万个。这些结果证实,即使是初始智能照明部署,不仅可作为节能系统运行,还可作为城市运行数据的连续来源。可扩展性分析表明,网络扩展显著增加了数字基础设施需求:10,000个灯具每年生成52.56亿个数据值(约105.1 GB/年),100,000个灯具每年生成525.6亿个数据值(约1051 GB/年)。这些数值应作为规划导向的可扩展性场景,而非确定性全市预测。节能结果提供了试点运行证据:49天累计节能115.90 kWh(18.35%),100,000个灯具真实场景预测年节能6672.5 MWh,避免CO2排放4658 tCO2/年。提出的SLICI和DUI构成主要方法论贡献,SLICI支持估计不同配置下的信息压力,DUI建立评估有用记录比例的初始基线。从政策角度,市政当局和照明运营商应将智能公共照明项目视为照明与数据基础设施的综合举措,需分阶段部署、明确技术规范、可扩展存储架构、网络安全要求、互操作性规则以及数据治理责任。智能公共照明可通过能效、数字基础设施、可持续城市管理和减排,助力可持续发展目标(SDGs)7、9、11和13。主要局限性包括49天监测期、灯具数量少、校园位置以及缺乏数字基础设施净能源平衡。未来研究应验证年度周期、比较不同城市类型、纳入自动化分析、通信可靠性指标,并量化网关、服务器、存储系统、网络安全层和边缘计算设备的能耗,以校准和强化SLICI、DUI及可扩展性方法。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号